来源：期刊VIP网 时间：
作者：郭盼盼;张文斌;崔奔;徐晗;
单位：昆明理工大学机电工程学院;昆明学院机电工程学院;
摘要：当齿轮箱传动系统发生故障时，不同振动信号的多尺度均值排列熵（Multi-scale Mean Permutation Entropy,MMPE）与其故障状态有一定的对应关系，但MMPE提取故障特征的效果取决于参数的选取。因此，提出了一种基于改进MMPE和参数优化支持向量机（Support Vector Machine,SVM）的齿轮箱故障识别方法。首先，引用粒子群优化（Particle Swarm Optimization,PSO）算法对MMPE的参数进行优化；其次，对采集到的齿轮振动信号计算其MMPE；最后，采用PSO-SVM对齿轮的故障状态进行了识别。试验结果验证了所提方法的有效性且具有较高的准确率。
关键词：多尺度均值排列熵;;粒子群优化算法;;支持向量机;;故障诊断;;齿轮
基金资助：国家自然科学基金项目（51769007）;; 云南省地方本科高校基础研究联合专项重点项目（202001BA070001-002）;; 兴滇英才支持计划项目经费支持（YNWR-QNBJ-2018-349）;; 云南省地方高校联合专项面上项目(202001BA070001-015)
